class my_dataset(Dataset): def __init__(self, dir): super(my_dataset, self).__init__() transform = transforms.Compose([ transforms.ToTensor(), # 转为tensor类型 ]) self.url = dir self.data = datasets.ImageFolder(self.url, transform=transform) def __len__(self): return self.data.__len__() def __getitem__(self, index): return self.data[index][0], self.data[index][1]

这是一个 PyTorch 数据集的类定义。这个类继承了 PyTorch 中的 Dataset 类，并实现了其中的三个方法：__init__、__len__ 和 __getitem__。

__init__ 方法中，首先调用了父类的构造函数 super()，然后定义了一个 transform 对象，通过 transforms.Compose() 函数将多个数据预处理操作组合成一个变换操作，这里只有一个 transforms.ToTensor() 操作，将图像转换为 tensor 类型。之后，通过 datasets.ImageFolder() 函数将指定目录中的图像数据集加载进来，并应用 transform 操作进行预处理，最后保存在 self.data 变量中。

__len__ 方法返回数据集的大小，即样本数量。

__getitem__ 方法用于获取指定索引处的一个样本，返回的是该样本的输入和标签，即 self.data[index][0] 和 self.data[index][1]。这里的 self.data[index] 返回的是一个元组，第一个元素是图像的 tensor 格式，第二个元素是该图像对应的标签。